ExpVid: A Benchmark for Experiment Video Understanding & Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xu, Yicheng, Wu, Yue, Yu, Jiashuo, Yan, Ziang, Jiang, Tianxiang, He, Yinan, Zhao, Qingsong, Chen, Kai, Qiao, Yu, Wang, Limin, Okumura, Manabu, Wang, Yi |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding and Generation
par: Wang, Yi, et autres
Publié: (2023)
par: Wang, Yi, et autres
Publié: (2023)
VideoChat-R1.5: Visual Test-Time Scaling to Reinforce Multimodal Reasoning by Iterative Perception
par: Yan, Ziang, et autres
Publié: (2025)
par: Yan, Ziang, et autres
Publié: (2025)
RIVER: A Real-Time Interaction Benchmark for Video LLMs
par: Shi, Yansong, et autres
Publié: (2026)
par: Shi, Yansong, et autres
Publié: (2026)
VideoMamba: State Space Model for Efficient Video Understanding
par: Li, Kunchang, et autres
Publié: (2024)
par: Li, Kunchang, et autres
Publié: (2024)
InternVideo2: Scaling Foundation Models for Multimodal Video Understanding
par: Wang, Yi, et autres
Publié: (2024)
par: Wang, Yi, et autres
Publié: (2024)
VRBench: A Benchmark for Multi-Step Reasoning in Long Narrative Videos
par: Yu, Jiashuo, et autres
Publié: (2025)
par: Yu, Jiashuo, et autres
Publié: (2025)
VKnowU: Evaluating Visual Knowledge Understanding in Multimodal LLMs
par: Jiang, Tianxiang, et autres
Publié: (2025)
par: Jiang, Tianxiang, et autres
Publié: (2025)
MVBench: A Comprehensive Multi-modal Video Understanding Benchmark
par: Li, Kunchang, et autres
Publié: (2023)
par: Li, Kunchang, et autres
Publié: (2023)
VideoChat: Chat-Centric Video Understanding
par: Li, KunChang, et autres
Publié: (2023)
par: Li, KunChang, et autres
Publié: (2023)
TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning
par: Zeng, Xiangyu, et autres
Publié: (2024)
par: Zeng, Xiangyu, et autres
Publié: (2024)
InternVideo2.5: Empowering Video MLLMs with Long and Rich Context Modeling
par: Wang, Yi, et autres
Publié: (2025)
par: Wang, Yi, et autres
Publié: (2025)
Unmasked Teacher: Towards Training-Efficient Video Foundation Models
par: Li, Kunchang, et autres
Publié: (2023)
par: Li, Kunchang, et autres
Publié: (2023)
VideoChat-A1: Thinking with Long Videos by Chain-of-Shot Reasoning
par: Wang, Zikang, et autres
Publié: (2025)
par: Wang, Zikang, et autres
Publié: (2025)
OmniVid: A Generative Framework for Universal Video Understanding
par: Wang, Junke, et autres
Publié: (2024)
par: Wang, Junke, et autres
Publié: (2024)
VideoChat-Flash: Hierarchical Compression for Long-Context Video Modeling
par: Li, Xinhao, et autres
Publié: (2024)
par: Li, Xinhao, et autres
Publié: (2024)
VideoChat-R1: Enhancing Spatio-Temporal Perception via Reinforcement Fine-Tuning
par: Li, Xinhao, et autres
Publié: (2025)
par: Li, Xinhao, et autres
Publié: (2025)
LvBench: A Benchmark for Long-form Video Understanding with Versatile Multi-modal Question Answering
par: Zhang, Hongjie, et autres
Publié: (2023)
par: Zhang, Hongjie, et autres
Publié: (2023)
Harvest Video Foundation Models via Efficient Post-Pretraining
par: Li, Yizhuo, et autres
Publié: (2023)
par: Li, Yizhuo, et autres
Publié: (2023)
VBench++: Comprehensive and Versatile Benchmark Suite for Video Generative Models
par: Huang, Ziqi, et autres
Publié: (2024)
par: Huang, Ziqi, et autres
Publié: (2024)
Vid-SME: Membership Inference Attacks against Large Video Understanding Models
par: Li, Qi, et autres
Publié: (2025)
par: Li, Qi, et autres
Publié: (2025)
CG-Bench: Clue-grounded Question Answering Benchmark for Long Video Understanding
par: Chen, Guo, et autres
Publié: (2024)
par: Chen, Guo, et autres
Publié: (2024)
InternVideo-Next: Towards General Video Foundation Models without Video-Text Supervision
par: Wang, Chenting, et autres
Publié: (2025)
par: Wang, Chenting, et autres
Publié: (2025)
VidText: Towards Comprehensive Evaluation for Video Text Understanding
par: Yang, Zhoufaran, et autres
Publié: (2025)
par: Yang, Zhoufaran, et autres
Publié: (2025)
Oogiri-Master: Benchmarking Humor Understanding via Oogiri
par: Murakami, Soichiro, et autres
Publié: (2025)
par: Murakami, Soichiro, et autres
Publié: (2025)
CrossVid: A Comprehensive Benchmark for Evaluating Cross-Video Reasoning in Multimodal Large Language Models
par: Li, Jingyao, et autres
Publié: (2025)
par: Li, Jingyao, et autres
Publié: (2025)
EmoVid: A Multimodal Emotion Video Dataset for Emotion-Centric Video Understanding and Generation
par: Qiu, Zongyang, et autres
Publié: (2025)
par: Qiu, Zongyang, et autres
Publié: (2025)
Make Your Training Flexible: Towards Deployment-Efficient Video Models
par: Wang, Chenting, et autres
Publié: (2025)
par: Wang, Chenting, et autres
Publié: (2025)
Video-o3: Native Interleaved Clue Seeking for Long Video Multi-Hop Reasoning
par: Zeng, Xiangyu, et autres
Publié: (2026)
par: Zeng, Xiangyu, et autres
Publié: (2026)
FlowVid: Taming Imperfect Optical Flows for Consistent Video-to-Video Synthesis
par: Liang, Feng, et autres
Publié: (2023)
par: Liang, Feng, et autres
Publié: (2023)
TextVidBench: A Benchmark for Long Video Scene Text Understanding
par: Zhong, Yangyang, et autres
Publié: (2025)
par: Zhong, Yangyang, et autres
Publié: (2025)
VidTwin: Video VAE with Decoupled Structure and Dynamics
par: Wang, Yuchi, et autres
Publié: (2024)
par: Wang, Yuchi, et autres
Publié: (2024)
Task Preference Optimization: Improving Multimodal Large Language Models with Vision Task Alignment
par: Yan, Ziang, et autres
Publié: (2024)
par: Yan, Ziang, et autres
Publié: (2024)
KG-Reasoner: A Reinforced Model for End-to-End Multi-Hop Knowledge Graph Reasoning
par: Wang, Shuai, et autres
Publié: (2026)
par: Wang, Shuai, et autres
Publié: (2026)
SafeVid: Toward Safety Aligned Video Large Multimodal Models
par: Wang, Yixu, et autres
Publié: (2025)
par: Wang, Yixu, et autres
Publié: (2025)
Rethinking the Zigzag Flattening for Image Reading
par: Zhao, Qingsong, et autres
Publié: (2022)
par: Zhao, Qingsong, et autres
Publié: (2022)
VidLBEval: Benchmarking and Mitigating Language Bias in Video-Involved LVLMs
par: Yang, Yiming, et autres
Publié: (2025)
par: Yang, Yiming, et autres
Publié: (2025)
LongVidSearch: An Agentic Benchmark for Multi-hop Evidence Retrieval Planning in Long Videos
par: Yu, Rongyi, et autres
Publié: (2026)
par: Yu, Rongyi, et autres
Publié: (2026)
EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
par: Wang, Ziyang, et autres
Publié: (2026)
par: Wang, Ziyang, et autres
Publié: (2026)
VidLaDA: Bidirectional Diffusion Large Language Models for Efficient Video Understanding
par: He, Zhihao, et autres
Publié: (2026)
par: He, Zhihao, et autres
Publié: (2026)
VidEgoThink: Assessing Egocentric Video Understanding Capabilities for Embodied AI
par: Cheng, Sijie, et autres
Publié: (2024)
par: Cheng, Sijie, et autres
Publié: (2024)
Documents similaires
-
InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding and Generation
par: Wang, Yi, et autres
Publié: (2023) -
VideoChat-R1.5: Visual Test-Time Scaling to Reinforce Multimodal Reasoning by Iterative Perception
par: Yan, Ziang, et autres
Publié: (2025) -
RIVER: A Real-Time Interaction Benchmark for Video LLMs
par: Shi, Yansong, et autres
Publié: (2026) -
VideoMamba: State Space Model for Efficient Video Understanding
par: Li, Kunchang, et autres
Publié: (2024) -
InternVideo2: Scaling Foundation Models for Multimodal Video Understanding
par: Wang, Yi, et autres
Publié: (2024)